HTMLParser是python用來解析html的模塊。它可以分析出html裏面的標籤、數據等等,是一種處理html的簡便途徑。
HTMLParser採用的是一種事件驅動的模式,當HTMLParser找到一個特定的標記時,它會去調用一個用戶定義的函數,以此來通知程序處理。它
主要的用戶回調函數的命名都是以handler_開頭的,都是HTMLParser的成員函數。當我們使用時,就從HTMLParser派生出新的類,然
後重新定義這幾個以handler_開頭的函數即可。這幾個函數包括:
handle_startendtag 處理開始標籤和結束標籤
handle_starttag 處理開始標籤,比如<xx>
handle_endtag 處理結束標籤,比如</xx>
handle_charref 處理特殊字符串,就是以&#開頭的,一般是內碼錶示的字符
handle_entityref 處理一些特殊字符,以&開頭的,比如
handle_data 處理數據,就是<xx>data</xx>中間的那些數據
handle_comment 處理註釋
handle_decl 處理<!開頭的,比如<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
handle_pi 處理形如<?instruction>的東西
這裏我以從網頁中獲取到url爲例,介紹一下。要想獲取到url,肯定是要分析<a>標籤,然後取到它的href屬性的值。下面是代碼:
python模塊之HTMLParser: 解析html,獲取url
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.